《表1 不同分类器对4个不同位置的分类结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于AdaBoost多核支持向量机的跌倒检测研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从表1可以发现，在4个采集节点绑定位置中，腰部节点数据分类准确率最好，以经典SVM为例，其分类准确率达到98.33%，误检率最小，为2.30%，其次是胸部位置，其准确率和误检率分别为97.49%和2.60%；胸部采集数据的跌倒检出率最好，SVM的跌倒检出率达到了56.25%．由表1还可以发现，在这4个分类器模型中，多核模型在分类准确率、误检率及检出率都优于传统的SVM模型，尤其是本文所构建模型的分类准确率最高，腰部位置分类准确率达到了99.33%；检出率最好，其中胸部位置达到了73.51%；误检率最小，腰部位置误检率仅有1.62%．